人脸识别是生物特征识别技术的一种,由于人脸识别技术在安全和人机交互等领域有着非常广泛的应用,因此它成为了近几十年来模式识别领域最热门的研究课题之一。在众多人脸识别方法中子空间方法由于其计算复杂度小,描述能力强及分离效果好的特点成为目前人脸识别的主流研究方向。本文将基于子空间方法的人脸识别作为研究的重点,主要做了以下几方面的工作：1.详细介绍了几种经典的子空间方法PCA、LDA、ICA的基本原理及其在人脸识别中的应用,通过仿真对这几种算法的识别性能进行了比较。2.针对2DPCA算法中求得的不同投影向量对于识别的影响不同,本文提出了一种加权的2DPCA算法,利用单投影向量的识别率对2DPCA的投影向量集进行加权,在ORL人脸库的仿真验证新的投影向量集具有更好的识别效果。3.DCT变换是目前国际主流的图像压缩算法如JPEG、MPEG等普遍采用的一种压缩变换。本文将DCT变换与2DPCA算法相结合,提出了一种DCT+2DPCA的特征抽取方法,从而大大降低了用于识别的特征维数和识别的时间。另外本文研究了2DPCA算法在经过分块DCT变换处理后的人脸图像中的应用,验证了算法的可行性。4.针对二维子空间方法不能提取非线性信息的不足,本文提出了一种基于核方法二维线性判决分析的人脸识别方法。利用核主成分分析对二维线性判决分析方法进行改进,通过仿真实验证明了算法的有效性。